伴随着计算机技术的发展,人机交互的方式也不断革新,从传统的鼠标键盘到现在流行的触摸屏,再到更先进的语音控制,人机交互技术也越来越人性化。手势交互相对于传统的人机交互方式有着无接触操作、简单易学、可携带信息量大等优点,因此对基于手势的人机交互技术的研究有着重要的意义。手势识别作为手势交互的基础研究问题之一,已经成为广大研究者主要关注的焦点,也是目前行为识别研究中亟需解决的难点。本文主要工作和贡献如下:(1)基于复杂背景环境下的手势分割。手势包含大量符合人类认知习惯的交互信息,针对复杂背景以及外界因素(如光照、遮挡、运动)对手势分割的影响,提出了一种基于YCbCr颜色空间的肤色检测方法进行手势分割。采用基于椭圆模型的肤色检测方法首先对复杂背景环境下的类肤色区域进行分割,然后采用最大类间方法获取分割阈值,去除图像中非手势区域,获取较高质量的手势二值图像。实验结果表明,针对复杂的背景环境,该算法具有较强的鲁棒性,能实现较为高效的手势分割。(2)基于多特征融合的手势识别。卷积神经网络的图像识别与传统方法相比,有着更加精确的识别精度和速度,为此本文提出了一种基于多特征融合结合卷积神经网络的手势识别方法。首先对分割后的手势图像提取骨架与边缘相融合的手势特征图;再通过卷积神经网络,对经过融合的手势特征图进行识别。实验结果表明,针对复杂的背景环境,该算法具有较强的鲁棒性,在不同数据集下,提出方法具有更好的识别结果。